如何評價數據交易現狀

❶ 數據分析發展現狀如何

縱觀當今的大數據分析盛況，以及數據分析師的火熱程度，我們就可輕易發現數據分析師發展前景是求賢若渴、更是門庭若市的。

人類的生活、工作和思維方式正因席捲而來的大數據信息風暴而發生前所未有的變革，這就意味著一場全新的、重大的商業變革、思維變革和管理變革正在悄然進行。在大數據時代，數據已成為重要的生產要素，滲透到各行各業。

在推進大數據應用的過程中，企業主要面臨以下三方面的困難，一是認識上的不足，很多人並不知道大數據是什麼，因此也就無法知道如何正確地使用大數據工具;二是投入上的不足，大數據的應用可能需要相當大的投入，一般的企業可能很難承受;三是大數據人才的匱乏將制約大數據應用的發展。

大數據相關人才的欠缺將會成為影響大數據市場發展的一個重要因素。據Gartner預測，到2015年，全球將新增440萬個與大數據相關的工作崗位，且會有25%的組織設立首席數據官職位。大數據的相關職位需要的是復合型人才，能夠對數學、統計學、數據分析、機器學習和自然語言處理等多方面知識綜合掌控。未來，大數據將會出現約100萬的人才缺口，需要社會、高校和企業共同努力去培養和挖掘。

❷ 全球大數據產業現狀及投資前景預測

全球大數據產業現狀及投資前景預測
縱觀國內外，大數據已經形成產業規模，並上升到國家戰略層面，大數據技術和應用呈現縱深發展。面向大數據的雲計算技術、大數據計算框架等不斷推出，新型大數據挖掘方法和演算法大量出現，大數據新模式、新業態層出不窮，傳統產業開始利用大數據實現轉型升級。人工智慧、深度學習、工業物聯網、虛擬現實、智慧城市等領域的發展推動大數據的應用普及。新興行業、傳統行業圍繞數據服務體系，已經形成了傳統行業數據平台、互聯網數據平台及行業資訊類數據平台。以數據應用為基礎的新一代數據服務企業，在促進主體行業發展的同時，同樣促進了行業內中小企業的發展。
1
大數據發展的產業環境分析
美國政策層面發力推動大數據應用發展。政府推出了一系列的公開數據計劃，在健康、能源、氣候、教育、金融、公共安全等領域開放數據和信息，促進創新的突破,從而推動經濟發展。美國致力於擴大聯邦數據公開范圍和受用對象的范圍，尤其擴大高價值數據資產，探討如何進一步擴展收集和分析工業競爭和創新相關的數據。
為了進一步挖掘聯邦政府數據的應用潛力，促進創新與社會進步，2016年1月美商務部發起了一項旨在使政府數據更加容易使用的數據易用性計劃(CDUP)。5月，白宮發布《聯邦大數據研發戰略計劃》，為未來的大數據研發列出7條戰略計劃，旨在建立大數據創新生態系統，加強數據分析能力，從大量、多樣、實時的資料庫中提取有效信息，服務於科學研究、經濟增長與國家安全。2016年，美國應用大數據預測選舉也引起世界關注，大數據應用開始為廣大公眾所關注，數據的真實性及數據安全成為關注焦點。
英國以數據共享為根本積極推動大數據平台建設。新建哈璀(Hartree)大數據中心，投資1.13億英鎊。新建艾倫圖靈研究所，投資4200萬英鎊，開展大數據科學與技術的研究。投資1.5億英鎊建立第一個國家級老年痴呆症研究所。建立應對重大疾病新的數學研究中心。英國成立大數據戰略委員會，發布《開放數據戰略白皮書》，統一政府數字平台，開通政府部門開放數據通道，設立數據開放共享獎勵基金，2018年還將出台「數據保護通則」的專門法規，旨在開發利用數據資源產生更大的商業價值和經濟增長。
瑞典啟動國家重點科研計劃(NFP)大數據專項(Big Data, NFP75)。2017年正式啟動，計劃投入資金2.5億瑞士法郎，從2017年至2020年為期4年。該專項主要分為三個板快：大數據信息技術：大數據分析基礎性研究、大數據基礎設施構架、資料庫和計算中心;大數據相關社會及法律問題：大數據涉及對社會經濟發展的影響預測(如對貿易、商務模式、人員交通及物流的影響)、個人隱私及空間的保護及相關的社會倫理和法律問題及對策等;大數據應用：對大數據在交通、健康、災害及社會風險控制、能源轉型領域的應用展開基礎性研究。瑞士國家重點科研計劃由瑞士聯邦政府推出，目的是對關系瑞士社會經濟發展全局的重要領域展開基礎性研究並提出對策建議。
我國各地政府積極為大數據發展營造環境。2014年、2015年「大數據」首次寫入國家《政府工作報告》。在2015年3月5日舉行的兩會中，李總理在政府工作報告中提到，制定「互聯網+」行動計劃，推動移動互聯網、雲計算、大數據、物聯網等與現代製造業結合，促進電子商務、工業互聯網和互聯網金融健康發展，引導互聯網企業拓展國際市場。
當前，《國家大數據戰略及行動綱要(2015-2025)》徵求意見稿完成。國家自然基金委、科技部支持了大量大數據研究項目;北京市、上海市、天津市、重慶市、廣東省、貴州省等制定了大數據發展規劃，多地開始建數據產業基地，天津擬打造國家數據聚集區，與北京、河北聯合建「京津冀大數據走廊」;重慶計劃將大數據培育成重要戰略性新興產業，加快建設兩江雲計算產業園，陝西西咸新區、湖北武漢光谷、貴州貴安新區等地提出要設國家級大數據基地。
上海成立數據交易中心。2016年4月1日，上海數據交易中心掛牌成立，上海數據交易中心是經上海市人民政府批准，上海市經濟和信息化委、上海市商務委聯合批復成立的國有控股混合所有制企業，承擔著促進商業數據流通、跨區域的機構合作和數據互聯、公共數據與商業數據融合應用等工作職能。交易中心以國內領先的「技術+規則」雙重架構，創新結合IKVLTP 六要素技術，採用自主知識產權的虛擬標識技術和二次加密數據配送技術，結合面向應用場景的交易規則，將在全面保障個人隱私、數據安全前提下推動數據聚合流動。
上海將圍繞「資源、技術、產業、應用、安全」融合聯動這一條主線，聚焦「政府治理和公共服務能力提升、經濟發展方式轉變」兩個方面，創新「交易機構+創新基地+產業基金+發展聯盟+研究中心」五位一體大數據產業鏈生態發展布局，力爭打造國家數據科學中心、亞太數據交換中心和全球「數據經濟」中心，形成集數據貿易、應用服務、先進產業為一體的大數據戰略高地。
2
大數據產業的行業需求預測
企業需求
傳統企業的大數據轉型。隨著互聯網化進程的不斷推進，在改變了用戶消費習慣的同時，眾多傳統企業面臨了一系列必須面對的問題，其中一條核心主線就是基於已有數據的使用以及對於用戶數據的採集。對於有效利用數據，很多傳統企業開展了試探性的使用和分析，並逐步結合互聯網平台，使數據形成閉環。地產、製造、金融企業已經在逐步建立互聯網銷售平台，其實平台的本身並不是去加大產品銷售量，而是通過平台對傳統營業網點、銷售渠道的信息進行有效管理，從而建立可供判斷或分析的數據之用。
更好的吸納客戶的潛在需求，更快的適應市場變化，從而帶動新一輪研發的生成或變革。而此類企業的成長點，市場化性質，及企業性質將區別於傳統企業，而走上新業態、新模式的道路。包括車聯網、互聯網金融、汽車電商、房產電商，都已經出現了苗頭。對於大數據產業的發展，傳統企業轉型是區別於其他領域的卻又獨樹一幟的重要組成部分。
平台企業的大數據戰略。對於相對IT投入較少，IT基礎較為薄弱的領域，比如零售、餐飲、服裝、農業、出版等行業，企業不會去自建雲計算及大數據平台，更多的則是會依靠專業化的數據服務企業或是數據服務平台來滿足數據分析的需求。行業數據服務平台架構的初衷，主要是用雲服務方式解決上述行業的信息化建設及運維需求。
目前上海類似的行業數據平台不少，建築業的築想網、醫葯業的安捷力等都是在行業垂直領域專業度很高的企業，而且較之通用、普適性的平台，此類平台的發展更具有和行業發展的共存性和相通性，是大數據產業發展過程中一個非常重要的組成部分。
互聯網企業大數據規模化發展。互聯網傳媒是推動企業接觸大數據服務中一個相對快速的行業，傳媒由傳統的單向被動模式轉變成為雙向互動模式，在吸引了用戶群體的同時也通過定義用戶肖像，來推動精準營銷。精準營銷使企業享受了新媒體帶來的最實惠的成果，也為企業帶來了一份較之傳統傳媒更加具體的數據分析報告。
同樣在互聯網領域，無論是社交平台、團購還是移動應用，在其互聯網平台構建的過程中，收集、匯總、分析數據是非常重要的一個環節。通過甄別不同年齡段、性別、愛好的用戶群，來精準定位推送不同的消息，而在這些精準定位的背後，則是每天幾十甚至幾百TB的數據增長量和分析量，可以說，有了互聯網才推進了大數據產業的發展。
熱點關聯領域需求
金融大數據。中國金融信息服務產業存在產業鏈分布廣、市場空間巨大的特點，但與此同時，又表現出產業集中度非常低的現狀。因此，未來必將經歷大量的並購整合，最終出現幾家龐大的IT服務機構。傳統金融服務領域的人才資源、市場能力、技術及研發方面在全國范圍內都具有不可比擬的優勢，產業環境、配套資源都非常成熟。
在金融信息服務產業鏈中，已經擁有了證券、期貨、金融期貨、科技技術等交易所以及鋼鐵、有色金屬等各類生產物資交易所，擁有像安碩信息、萬得資訊、金仕達、銀聯、普蘭金融、春雨供應鏈等一大批具有行業代表性的龍頭企業，還有一批以經爾緯為代表的掌握大數據技術及具有資源整合能力的公司。金融領域的資料庫建設比較完善且都為結構化的數據，隨著人工智慧、深度學習等新興技術的介入，大數據將顯示出大有可為的趨勢，對基於大數據分析的成果的需求也將越加旺盛。
交通大數據。一是智能交通，在交通和環境信息的基礎上，實現交付跟蹤，工作流程監督，和人力資源管理。在智能交通系統中，如果車輛使用了該應用，就可以監測到相關數據。智慧城市首席信息官可以使用從物聯網信息庫中獲取運輸和交通過程的信息。這將大大改善交通運輸，建立服務型的支付方式，而不是簡單的付款程序，如時間收費制度。
智慧城市的核心價值是根據交通數據來建立對公民有益的基礎政策。智能交通也產生了很多新的商業創新。二是自動駕駛，目前GOOGLE藉助大數據及車載技術和感測器,以及高級輔助駕駛系統、軟體、地圖數據、GPS和無線通信數據等，實現了無人駕駛，可以預見，不久的將來，大數據在自動駕駛領域的應用越來越被看好。
新媒體大數據。大數據引領的新媒體已經顛覆了國外數個傳統媒體，比如停刊的美國《新聞周刊》以及德國出現戰後最大的紙媒倒閉潮等。以眼球經濟為基礎的傳統媒體展示型廣告已快速向以數據為基礎的網路媒體精準型廣告進行轉變。百視通和東方明珠的整合已經打造了全國最大的千億級別的傳媒上市公司。在電信、廣電及互聯網領域海量數據處理具有豐富的研發及應用經驗，所用技術涵蓋了分布式計算、海量數據處理、流計算、機器學習及神經網路等，重點關注於互聯網廣告投放技術、效果監測、目標受眾行為分析及精準細分、廣告智能匹配等。未來幾年，新媒體大數據將越來越受到業界的追捧。
製造業大數據。利用大數據推動信息化和工業化深度融合，研究推動大數據在研發設計、生產製造、經營管理、市場營銷、售後服務等產業鏈各環節的應用，研發面向不同行業、不同環節的大數據分析應用平台，選擇典型企業、重點行業、重點地區開展工業企業大數據應用項目試點，積極推動製造業網路化和智能化。最近幾年，從國家到地方政府，日益重視大數據在製造業特別是高端智能製造領域的應用，例如《中國製造2025》。從這個意義上來說，大數據在製造業應該發揮的潛力巨大，釋放空間和餘地很大。
3
大數據投資前景預判
人工智慧等新興領域價值潛力巨大
智能化領域及智慧城市建設。大數據與深度學習、人工智慧交叉的領域成為資本追逐的焦點。例如日本提出建成超智能社會，實現ICT技術在全社會的深度融合應用。日本第五期科技計劃提出建設SOCIETY 5.0(超智能社會)，基於以人工智慧、物聯網、大數據為代表的ICT技術，研究開發先進機器人、超級計算機、感測器、高速通信等技術，實現網路空間與現實空間高度融合的信息物理系統，運用大數據促使社會生活各領域實現高度智能化，推進經濟發展與社會進步。日本超智能社會的提出，受到諸多大數據公司和風投的關注。類似，我國各地正在大力推進的智慧城市建設中的與新興技術交叉應用的環節，大數據將有著重要的一席之地。大數據與智慧交通、綠色環保、民生安全等領域的融合，在人工智慧、深度學習的帶動下，大數據應用商機無限。
支撐分享經濟智能平台被看好
分享經濟在短時間內崛起並成為全球現象，規模和影響力都呈現出指數增長。2014年12月，普華永道發布了預測報告指出全球分享經濟的規模將從2015年的150億美元增長到2025年的3350億美元。在全球經濟努力復甦的背景下，分享經濟模式的新穎性和巨大發展潛力受到各國政府的高度支持，甚至提升到了國家戰略的高度。大數據、雲計算、人工智慧將構建支撐分享經濟的智能平台，而這些平台將日益彰顯其經濟價值，從而能夠靈活、便利、及時、安全、經濟地連接不同需求的陌生人，從而在分享經濟的新模式中，大數據起到了核心作用，佔領核心的地位，其價值不言而喻。

❸ SQL求助：對股票交易數據進行評價分析

炒股心態尤其重要，
牛市也不能抱著一夜就想暴富的心態，
實現長久的收益才是最靠譜的！
預警系統個人覺得挺實用的，
每天票都能實現平穩的增長，是非常不錯的理財致富工具~
全民炒股的新時代，正是需要這樣的軟體！

祝樓主好運連連，賺錢多多！

❹ 大數據行業現狀及前景

大數據行業主要上市公司：易華錄(300212)、美亞柏科(300188)、海量數據(603138)、同有科技(300302)、海康威視(002415)、依米康(300249)、常山北明(000158)、思特奇(300608)、科創信息(300730)、神州泰岳(300002)、藍色游標(300058)等

本文核心數據：中國大數據產業發展歷程 市場規模 細分市場格局 應用市場格局 發展前景預測等

發展歷程：十年來大數據產業高速增長，我國信息智能化程度得到顯著提升

我國大數據產業布局相對較早，2011年，工信部就把信息處理技術作為四項關鍵技術創新工程之一，為大數據產業發展奠定了一定的政策基礎。自2014年起，「大數據」首次被寫進我國政府工作報告，大數據產業上升至國家戰略層面，此後，國家大數據綜合試驗區逐漸建立起來，相關政策與標准體系不斷被完善，到2020年，我國大數據解決方案已經發展成熟，信息社會智能化程度得到顯著提升。

更多行業相關數據請參考前瞻產業研究院《中國大數據產業發展前景與投資戰略規劃分析報告》。

❺ 數據交易合規研究者齊愛民：鼓勵金融教育等探索行業交易規則

數據交易問路之專家訪談

數據交易所的核心競爭力，在於效率、合規與安全，需要系統研究數據交易方式與交易場景，推動數據產品標准化，創新 探索 新型交易模式。我國大數據交易產業仍然處於初級 探索 階段，雖然得到國家和地方政府的支持，但大數據交易發展存在諸多障礙。

那麼，國內數據交易市場現狀如何？數據交易存在哪些問題？數據交易需要什麼樣的發展路徑？齊愛民曾經帶領團隊到杭州、貴陽、武漢等多地數據交易場所調研，是重慶大學法學院二級教授、重慶大學國家網路空間安全與大數據法治戰略研究院院長，就上述問題接受南都專訪。

以政府主導大數據交易平台模式為主

南都：齊教授曾經帶領團隊到多地數據交易場所調研，據您觀察目前國內數據交易市場發展現狀如何？主要包括哪些類型？

齊愛民： 目前，各地積極響應國家關於數據要素市場培育的發展規劃。2021年期間，北京國際大數據交易所、上海數據交易所相繼成立，中新天津生態城獲批設立北方大數據交易中心。就整體而言，我國在數據確權、數據定價、交易模式、制度建設等方面尚處於 探索 階段。

在交易類型上，我國以政府主導的大數據交易平台模式為主，還包括互聯網企業生態體系內的數據交易和第三方數據公司推動的數據交易。對於大數據交易平台中的數據交易，目前交易主體以央企、國企以及研究機構為主，商業機構因合規風險等考量尚未大范圍參與到大數據交易平台之中。在交易內容上，各交易平台有所不同，有的交易平台提供API數據服務，有的交易平台提供經過加工後的數據產品，還有的交易平台提供原始的數據集。

南都：調研主要發現數據交易存在哪些問題？經過幾年發展是否得到改進？對此有什麼建議？

齊愛民： 我們2016年前後對北京、上海、杭州、貴陽、武漢等地的大數據交易平台進行調研，發現7個問題包括：各類數據主體缺乏共享理念；數據交易平台定位不明；數據交易缺乏統一標准；數據法律屬性與歸屬存爭議；交易規則理論亟待創新；缺乏跨學科人才和培養基地建設不足；政府數據分類不明，存在交易風險。

經過這幾年發展，我國在數據要素市場頂層規劃以及人工智慧、區塊鏈等技術發展上有了較大進步，但數據流通的基礎法律制度構建問題仍未得到很好解決，貴陽大數據交易所幾乎陷入業務停滯狀態，國內同類大數據交易所也尚未形成較為成熟的商業模式。我認為，應當吸取前幾年大數據交易平台實踐 探索 的經驗和教訓，一方面鼓勵各地開展大數據交易試點工程和規則制定，另一方面也應當從法律層面解決數據的權屬、數據價值評估、數據交易的邊界等基礎性問題。

南都：目前市場上數據交易平台主要包括政府類數據交易場所、數據服務商等，各有什麼優勢？隨著數據應用更精細化，您認為哪些數據更符合市場需求？

齊愛民： 目前國內知名的大數據交易平台，如北京國際大數據交易所、上海數據交易所、貴陽大數據交易所主要是由政府支持建設，這類數據交易場所具有較高的可信度，能夠在地方政府的推動下擴大參與主體的范圍，激發數據交易主體的積極性和交易市場的活力，可以促進數據資源整合、規范交易行為、降低交易成本、增強數據流動性，在數據來源、運營規范化等方面有較大優勢。

數據服務商以服務客戶的特定數據分析需求為目標，通過將合法收集到的數據經過加工處理後提供給客戶來盈利，其服務方式更加靈活和多樣化，如幫助客戶進行消費者身份驗證和欺詐檢測，為客戶提供營銷效果分析等。我認為，一些數字化程度較高的領域，如金融、醫療、教育、交通等領域的數據對人們的生產和生活具有較大影響，也更符合數據交易市場需求。

南都：高質量數據主要集中在政府部門、頭部互聯網平台及金融機構等主體手裡，我們需要如何培育多樣化數據供需市場及交易場景？

齊愛民： 我認為需要確立一些基本的法律制度，如數據的法律性質，數據交易的邊界等，一方面讓高質量數據的控制者敢於並積極釋放數據，另一方面也讓數據需求方放心使用數據。數據交易市場培育是一個系統性工程，我們不應過分仰賴大數據交易平台這一當前的主流模式，還應鼓勵金融、教育等數字化程度較高的領域開展行業內的數據交易規則 探索 ，從而形成多樣化的數據交易市場。

南都：我國《網路安全法》、《數據安全法》以及《個人信息保護法》被作為網路空間治理和數據保護的三駕馬車，目前數據交易仍然面臨哪些新難題？需要如何完善交易模式與法律制度的構建？

齊愛民： 我國近些年在網路空間立法方面取得了較大成效，《網路安全法》《數據安全法》以及《個人信息保護法》的出台為數據交易確立一些基礎邊界，但數據交易仍面臨權屬不明、定價模式不成熟等問題，阻礙了數據的自由流通和開發利用。我國《民法典》第127條肯定數據的合法性，為數據交易的專門立法提供了民事基本法支撐。

我認為，首先要在民法層面確立數據的法律性質。其次，通過部門規章等方式建立數據資產評估制度，推動形成多元化的數據定價模式。最後，對大數據交易平台等數據服務提供者設立准入門檻和備案登記制度，採取政府和平台協同監管模式，加強對平台內交易主體和交易活動的合規審查，尤其是個人信息保護、數據安全和國家數據主權的風險評估和防範。

南都：數據權屬是數據立法繞不開的問題，深圳出台國內首部綜合性數據立法，提出數據權益概念，《上海市數據條例》提出授權運營等，2022年1月25日天津發布數據交易管理暫行辦法等。目前，對於數據確權、數據交易在立法層面有哪些經驗？地方數據立法應往何處？

齊愛民： 數據確權是一個非常復雜的問題，數據不同於傳統的有形商品，具有非競爭性，直接採取確權的方式可能並不利於數據的流通。目前，我國法律層面尚未確立數據的權利歸屬，但對數據交易活動的開展以及邊界作出了一些原則性規定。例如，《網路安全法》第42條允許將匿名化後的個人信息提供給他人，為數據交易活動提供了法律依據。《數據安全法》第33條規定數據交易中介服務提供者應當要求數據提供方說明數據來源，審核交易雙方的身份，並留存審核、交易記錄。《民法典》《刑法》《個人信息保護法》確立了禁止非法買賣個人信息的法律底線。

在促進數據交易方面，深圳、上海、天津等地進行地方立法 探索 ，其內容更多是鼓勵市場主體在現有法律框架下開展數據交易創新實踐。我認為，對於一個剛剛建立還尚未成熟的市場，應當給予市場主體更多自由 探索 空間。在各地相繼建設大數據交易平台的情況下，應當允許地方政府根據本地的數據交易實踐制定具體的交易規則，如《天津市數據交易管理暫行辦法》等，在規則的適用過程中不斷完善數據交易制度，待相關經驗成熟後再上升為國家立法。

出品：南都大數據研究院 數字政府研究中心

策劃：王海軍 統籌：鄒瑩 凌慧珊 研究員：袁炯賢 設計：劉寅杉

❻ 數字經濟發展現狀及趨勢是怎麼樣的

近些年來，我國數字經濟迅猛發展，創新創業活躍，新業態、新模式層出不窮，成為推動中國經濟高質量發展的新引擎。目前，數字技術與實體經濟融合深入推進，數字經濟正在加快向其他產業融合滲透，提升經濟發展空間。

在數字經濟領域，中美兩國處於領跑地位。據浪潮信息聯合國權威機構IDC發布的《2020全球計算力指數評估報告》顯示，計算力與經濟增長關系十分密切，調查顯示，計算力指數平均提高1個百分點，數字經濟和GDP將分別增長3.3%和1.8%。

並且AI計算占整體計算市場的比例每年都在提高，從2015年的7%增長到2019年的12%，專家預測到2024年將達到23%。而中國在全球對於數字經濟的拉動作用最為明顯，尤其是2015-2019年期間，在樣本國家的AI計算市場支出增長中，有近50%來自於中國的貢獻。

數字經濟給經濟發展帶來了前所未有的機遇，因為它能夠打破阻礙經濟發展的瓶頸，突破障礙，充分證明了「科學技術是第一生產力」這一真理。雖然中國沒有抓住前三次工業革命的機會，但是幸運的是，我國抓住了第四次工業革命的機遇。

❼ 中國量化交易的現狀與未來的前景如何呢

現在很多人對於市場上的消息都是比較關注的，雖然市場復雜，可是如果你能夠把握住機會，這將是一筆不錯的收益。中國量化交易的現狀與未來前景怎麼樣呢？

三、未來前景受歡迎

現在全球化發展的速度也已經越來越快了，所以量化交易在未來一定是一個很好的發展前景，而且每個國家都特別需要針對這方面來進行研究。目前，我們國家針對這些交易也有了一個比較大的發展空間，所以未來前景也是比較好的。

❽ 中國量化交易的現狀與未來前景如何

在歐美市場，特別是在美國，量化交易已經非常成熟。在過去的十年裡，美國的對沖基金逐漸轉向了量化交易。我國的數量發展還不到歐美國家的水平，還處於比較初級的階段。但由於國內市場人口基數大，意味著國內市場潛力很大。

雖然短期內我量化貿易的發展還不如美國成熟，但最終的發展方向應該是相似的。通過對量化交易策略的研究，我們可以預測量化交易的未來前景。一個成熟的量化交易市場是值得我們學習的量化交易策略和理論，也是未來的發展方向。目前我國股市的有效性還不高，但隨著量化投資能力的提高，市場的有效性會進一步提高，技術的波動會越來越小，技術的量化可能會達到瓶頸，從而轉向基本面量化。

❾ 我國大數據發展的現狀是怎樣的

隨著信息技術和人類生產生活交匯融合，全球數據呈現爆發增長、海量集聚的特點。無論是國家、企業還是社會公眾，都越來越認識到數據的價值。因此，近年來，各地紛紛成立大數據發展局，企業紛紛推動數據資產治理，大數據輻射的行業也從傳統的電信、金融逐漸擴展到工業、醫療、教育等。一時間，彷彿各行各業都在談大數據，人人都在談大數據。但也有聲音說大數據迎來了「七年之癢」，面對大數據熱潮也需要一些「冷思考」。我國大數據究竟發展得如何？未來我國大數據發展還有哪些機遇和挑戰？

1、大數據產業進展顯著
過去幾年，大數據理念已經深入人心，「用數據說話」已經成為所有人的共識，數據也成了堪比石油、黃金、鑽石的戰略資源。五年來，我國大數據產業政策日漸完善，技術、應用和產業都取得了非常明顯的進展。
在政策方面，我國從中央到地方的大數據政策體系已經基本完善，目前已經進入落地實施階段。自從2014年「大數據」這個詞寫入政府工作報告以來，我國大數據發展的政策環境掀開了全新的篇章。在頂層設計上，國務院《促進大數據發展行動綱要》對政務數據共享開放、產業發展和安全三方面做了總體部署。《政務信息資源共享管理暫行辦法》《大數據產業發展規劃（2016-2020）》等文件也都已經出台。十九大報告中提出「推動大數據與實體經濟深度融合」，「十三五」規劃中提出「實施國家大數據戰略」。衛健、農業、環保、檢察、稅務等部門還出台了領域大數據發展的具體政策。截至2019年初，所有省級行政區都發布了大數據相關的發展規劃，十幾個省市設立了大數據管理局，8個國家大數據綜合試驗區、11個國家工程實驗室啟動建設。可以說，大數據的政策體系已經基本搭建完成，目前已經紛紛進入落地實施甚至評估檢查階段。
在技術方面，我國大數據技術發展屬於「全球第一梯隊」，但國產核心技術能力嚴重不足。我國獨有的大體量應用場景和多類型實踐模式，促進了大數據領域技術創新速度和能力水平，處於國際領先地位。在技術全面性上，我國平台類、管理類、應用類技術均具有大面積落地案例和研究；在應用規模方面，我國已經完成大數據領域的最大集群公開能力測試，達到了萬台節點；在效率能力方面，我國大數據產品在國際大數據技術能力競爭平台上也取得了前幾名的好成績；在知識產權方面，2018年我國大數據領域專利公開量約佔全球的40%，位居世界第二。但我國大數據技術大部分為基於國外開源產品的二次改造，核心技術能力亟待加強。例如，目前國內主流大數據平台技術中，自研比例不超過10%。
在產業方面，我國大數據產業多年來保持平穩快速增長，但面臨提質增效的關鍵轉型。2018年，我國大數據產業延續多年來的增速，繼續保持相對高速的增長。根據中國信息通信研究院的測算，2018年我國大數據產業整體規模有望達到5400億元，同比增長15%。然而，綜合國內外環境、新興技術發展等多種因素，大數據產業的增速出現了下滑。我國的大數據產業也面臨著從高速發展向高質量發展的關鍵轉型期。
在應用方面，大數據的行業應用更加廣泛，正加速滲透到經濟社會的方方面面。隨著大數據工具的門檻降低以及企業數據意識的不斷提升，越來越多的行業開始嘗到大數據帶來的「甜頭」。無論是從新增企業數量、融資規模還是應用熱度來說，與大數據結合緊密的行業正在從傳統的電信業、金融業擴展到政務、健康醫療、工業、交通物流、能源行業、教育文化等，行業應用「脫虛向實」趨勢明顯，與實體經濟的融合更加深入。
2、產業的五大困局
雖然我國大數據總體發展形勢良好，也面臨難得的發展機遇，但仍然存在一些困難和問題。
一是，涉及核心技術的產業發展薄弱，未能有效提升我國核心技術競爭力。核心技術的影響力在大數據產業有著極高的重要性。由於大數據企業在完成產品開發後，可以近乎零成本無限制的復制，因此擁有核心技術的大企業，很容易將技術優勢轉化為市場優勢，即憑借具體的信息產品贏得海量用戶獲得壟斷地位。當前，從大數據技術與產品的供給側看，我國雖然在局部技術實現了單點突破，但大數據領域系統性、平台級核心技術創新仍不多見。大數據處理工具都是「他山之石」，大部分企業用的都是國外的數據採集、數據處理、數據分析、數據可視化技術，自主核心技術突破還有待時日。尤其是開源產品的技術標准方面，我國的影響力尚亟待提升。
二是，數據孤島和壁壘降低了大數據產業資源配置效率。大數據產業發展必須實現數據信息的自由流動和共享，如果數據不開放、不共享，數據整合就不能實現，數據價值也會大大降低。無論是政府數據、互聯網數據還是其他數據，數據擁有者往往不願對其進行開放流通。受制於前期信息基礎設施建設，目前我國政府數據往往還存在著諸多「數據孤島」和「數據煙囪」，數據價值難以發揮。
三是，數據安全管理薄弱增加了大數據產業的發展風險。大數據技術為經濟社會發展帶來創新活力的同時，也使數據安全、個人信息保護乃至大數據平台安全等面臨新威脅與新風險。海量多源數據在大數據平台匯聚，來自多個用戶的數據可能存儲在同一個數據池中，並分別被不同用戶使用，極易引發數據泄露風險。利用大數據技術對海量數據（21.90 -5.19%,診股）進行挖掘分析所得結果可能包含涉及國家經濟社會等各方面的敏感信息，需要對分析結果的共享和披露加強安全管理。
四是，產業壟斷與惡性競爭現象頻發，「劣幣驅逐良幣」現象明顯。由於資源型產業門檻低、利潤高，新興的大數據企業往往首先將目光盯在獲取數據資源上面。大量依託數據資源優勢的企業誕生，為大數據產業帶來了低附加值的壟斷經濟模式，使得依靠技術壁壘打江山的企業不得不面對殘酷的市場競爭，放緩了技術研發的步伐。同時，數據壟斷問題也愈發明顯。少數互聯網巨頭企業擁有巨大數據，不但對產業發展不利，甚至存在巨大的數據聚集隱患。
五是，各地發展同質化嚴重，普遍存在重存儲輕應用的現象。由於缺乏統一的大數據產業分類統計體系和產業運行監測手段，各地大數據產業的定位相似，同質化競爭加劇。而盲目的重復建設，更是可能導致大數據產業過剩。同時，由於部分地區信息化發展程度有限，大數據應用場景不夠豐富，更是以數據中心等大數據存儲設施的建設作為發展大數據產業的關鍵，且規模巨大，目標動輒以百萬台計，後期若無法有效利用，將造成巨大的資源浪費。